孙海超
- 作品数：18 被引量：16H指数：3
- 供职机构：中国科学院长春光学精密机械与物理研究所更多>>
- 发文基金：国家自然科学基金吉林省科技发展计划基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种弹丸轨迹跟踪方法、装置、设备及存储介质
- 本申请公开了一种弹丸轨迹跟踪方法、装置、设备及存储介质，该方法包括：将多台高速相机按照设定间距并行排布；在弹丸运动中经过相邻两台高速相机的重合成像视场时，利用该相邻两台高速相机同时采集弹丸运行轨迹图像；通过中心工作站对同...
- 孙海超田睿
- 一种空间合作目标小型化成像装置
- 本发明涉及一种空间合作目标小型化成像装置，包括定焦光学系统、高分辨率CMOS图像传感器芯片、FPGA主控芯片、高速数据缓存芯片和显示设备，其中定焦光学系统和高分辨率CMOS图像传感器芯片完成空间合作目标的光电转换，并将高...
- 丁南南田睿孙海超
- 一种用于高速电子消旋的半实物仿真装置
- 本发明涉及一种用于高速电子消旋的半实物仿真装置，包括固定支架、弹体安装平台、调试设备、目标安装平、旋转平台、可调平支架、第一立方镜和第二立方镜，固定支架用于将弹体安装平台固定在装配平台上，可调平支用于调平旋转平台及调节弹...
- 孙海超田睿丁南南刘浩
- 一种弹丸轨迹跟踪方法、装置、设备及存储介质
- 本申请公开了一种弹丸轨迹跟踪方法、装置、设备及存储介质，该方法包括：将多台高速相机按照设定间距并行排布；在弹丸运动中经过相邻两台高速相机的重合成像视场时，利用该相邻两台高速相机同时采集弹丸运行轨迹图像；通过中心工作站对同...
- 孙海超田睿
- 文献传递
- 一种CMOS相机测量系统的设计被引量：2
- 2014年
- 介绍了一种应用在空间项目中,可以对合作目标进行自动识别和测量的CMOS相机系统。相机系统以E2V公司生产的EV76C560AR为图像传感器;以V4系列FPGA和C67x系列DSP为图像处理核心。文中着重描述了相机系统中数据流的处理过程,包括图像压缩,多通道数据交换,数据通讯。使用FPGA实现图像数据流的H.264格式压缩;用FPGA控制RT端实现相机系统在1553B总线上的信息通讯;有限状态机实现了图像数据流在FPGA、DSP和SRAM间的交换。此相机测量系统已经在初样载荷上稳定工作。
- 田睿陈春宁邸男孙海超
- 关键词：FPGAH.264状态机
- 一种视觉姿态测量系统
- 本发明公开了一种视觉姿态测量系统，包括：图像生成模块，用于基于目标模型生成目标连续的运动姿态图像，并将生成的图像传送给图像转换模块；图像转换模块，用于根据设定要求对图像进行转换处理，并将转换后的图像传送给视觉姿态测量单元...
- 孙海超姜瑞凯邸男
- 文献传递
- 高熔点焊球BGA返修工艺研究被引量：1
- 2020年
- BGA封装器件的陶瓷基体或3D-plus本体大都使用铅系高熔点焊球(Sn10Pb90)通过SBC工艺与印制板焊盘间实现连接。由于铅系高熔点焊球采用有铅焊接时不发生融化,其焊接和返修过程均区别于非SBC工艺BGA封装。针对铅系高熔点焊球BGA进行了返修对比试验,研究焊球成分和焊膏施加方式对SBC工艺BGA封装返修的影响,最终确立一套适用于铅系高熔点焊球BGA的高可靠性返修工艺。
- 张艳鹏王威王玉龙孙海超
- 关键词：SBCBGA返修
- 低频成像系统FPGA硬件资源的training方法
- 本发明涉及低频成像系统FPGA硬件资源的training方法，属于硬件成像技术领域，该方法采用多相位同频率的图像采集时钟按顺序驱动iodelay模块，将获得的各个数据采集范围拼接为整个比特采集时钟周期，再对整个比特采集时...
- 刘浩孙海超刘艳滢田睿任宏姜金辰
- 一种异构多核平台的数据处理系统及终端设备
- 本发明公开了一种异构多核平台的数据处理系统及终端设备，该系统包括多个节点以及与各个节点分别对应的共享缓存模块，其中，目标节点，用于依据预设算法对数据进行处理，并将处理后的共享数据存储至与目标节点对应的共享缓存模块中，以便...
- 孙海超田睿
- 文献传递
- 基于改进热图损失函数的目标6D姿态估计算法被引量：4
- 2022年
- 针对传统热图回归使用的均方误差(MSE)损失函数训练热图回归网络的精度不高且训练缓慢的问题,本文提出了用于热图回归的损失函数Heatmap Wing Loss(HWing Loss)。该损失函数对于不同的像素值有不同的损失函数值,前景像素的损失函数梯度更大,可以使网络更加关注前景像素,使热图回归更加准确快速。同时根据热图分布特性,使用基于高斯分布的关键点推理方法减小热图推断关键点时的量化误差。以此两点为基础,构造新的基于关键点定位的单目标姿态估计的算法。实验结果表明,相比于使用MSE Loss的算法,使用HWing Loss的姿态估计算法有更高的ADD(-S)准确率,在LINEMOD数据集上达到了88.8%,性能优于近期其他的基于深度学习的姿态估计算法。本文算法在RTX3080 GPU上最快能以25 fps的速度运行,兼具速度与性能优势。
- 林林王延杰孙海超
- 关键词：损失函数
